研究强迫症的循环
奈良科学技术研究所(Nara Institute of Science and Technology)的研究人员基于强化学习原理开发了一种新的强迫症模型。这种模式可能会为强迫症和相关疾病带来更好的治疗
奈良科学技术研究所(NAIST)、国际高级电信研究所和玉川大学的科学家们已经证明了这一点强迫症
基于对理论模型的实证检验，他们发现大脑计算中将当前结果与过去行为联系起来的不对称性会导致无序行为。具体来说，这可能发生在记忆痕迹过去行为的信号对好结果和坏结果的衰减是不同的。在这种情况下，“好”意味着结果比预期的好，而“坏”意味着结果比预期的更糟。这项工作有助于解释强迫症是如何发展的。
强迫症是精神疾病涉及焦虑，其特征是侵入性和重复的想法，称为强迫，再加上某些重复的行为，称为强迫。强迫症患者经常感到无法改变行为，即使他们知道强迫或强迫是不合理的。在严重的情况下，这些可能使人无法过正常的生活。过度洗手或出门前反复检查门是否上锁等强迫行为，都是为了暂时缓解强迫症引起的焦虑。然而，到目前为止，人们还没有很好地理解强迫和强迫的循环是如何加强的。
现在，由NAIST的研究人员领导的一个团队已经使用强化学习理论来模拟与强迫症相关的无序周期。在这个框架中，比预期更好的结果变得更有可能(正面预测错误)，而比预期更差的结果被抑制(负面预测错误)。在强化学习的实施中，考虑延迟以及积极/消极的预测错误也很重要。一般来说，某种选择的结果在经过一定的延迟后才会出现。因此，强化和惩罚应该在一定的时间范围内分配给最近的选择。这被称为信用分配，在强化学习理论中作为记忆痕迹来实现。
理想情况下，对于积极和消极的预测错误，过去行为的记忆跟踪信号以相同的速度衰减。然而，这在离散神经系统中不能完全实现。通过模拟，NAIST的科学家们发现，当与负面预测错误相关的过去行为的记忆痕迹的衰减因子(trace decay factor)时，代理人含蓄地学习强迫症行为。-)比与正向预测误差(+)．这意味着，从相反的角度来看，消极预测错误对过去行为的看法要比积极预测错误窄得多。“我们的模型，不平衡的微量衰变因子(+>-)成功地代表了强迫症特征的痴迷和强迫的恶性循环，”共同第一作者Yuki Sakai和Yutaka Sakai说。
为了验证这一预测，研究人员让45名强迫症患者和168名健康对照受试者玩了一个有金钱奖励和惩罚的电脑游戏。强迫症患者表现得更小-相比之下,+，正如强迫症的计算特征所预测的那样。此外，这种微量衰变因子的不平衡设置(+>-5 -羟色胺增强剂是治疗强迫症的一线药物。“虽然我们认为我们总是做出理性的决定，但我们的计算模型证明我们有时会隐性地强化不良适应行为，”通讯作者田中saori C. Tanaka说。
虽然目前很难根据患者的临床症状来识别耐药患者，但该计算模型表明，具有高度不平衡的微量衰变因子的患者可能对单独的行为治疗没有反应。这些发现可能有一天会被用来确定哪些患者可能在治疗开始前对行为疗法产生耐药性。
